大多数传统的压缩感测(CS)重建方法都受到迭代引起的密集计算的困扰。 本文旨在提出一种非迭代算法,用于从基于补丁的压缩感测测量结果中重建高光谱图像(HSI)。 我们的方法包含两个残差卷积神经网络。 一种是用于压缩感测重建的重建网络,另一种是用于消除由基于补丁的采样引起的块效应的解块网络。 重建网络可以有效地共同重建HSI的所有频段,从而很好地保持频谱相关性。 另外,通过将更多的补丁组合到解块网络中的较大补丁中,可以提高解块性能。 实验结果证明,我们的方法优于基于补丁的CS测量的最新压缩感知重建方法。